量子计算机与神经网络,深度卷积神经网络应用于量子计算机

量子机器学习(QML)旨在使用量子系统对向量进行编码，并使用新的量子算法对其进行学习。

爱因斯坦

量子计算机将用于什么用途？量子计算机有望在许多领域帮助解决难题，包括机器学习。

本文详细讲述量子计算机上卷积神经网络(CNN)的理论实现。我们将此算法称为QCNN，我们证明了它可以比CNN 更快地运行，并且精度很高。

为此，我们必须提出卷积积的量子形式，找到实现非线性和池化的方法，以及对表示图像的量子态进行层析成像的新方法，以保留有意义的信息。

CNN和Quantum计算机的超简短介绍

简而言之，我们可以说量子物理系统可以描述为维度为2^n的某些希尔伯特空间中的向量，其中n是粒子数。实际上，这些向量表示许多可能的观察结果的叠加。

另一方面，机器学习，尤其是神经网络，正在粗略地使用向量和矩阵来理解或处理数据。量子机器学习(QML)旨在使用量子系统对向量进行编码，并使用新的量子算法对其进行学习。一个关键的概念是在许多矢量上使用量子叠加，我们可以同时处理它们。

谷歌的量子计算机最近实现了"量子至上"